使用groupby([ ]).size()统计的结果，值相同的字段值会不显示
如上图所示，第一个空着的行是982499 7 3388 1，因为此行与前面一行的这两个字段值是一样的，所以不显示。第二个空着的行是390192 22 4278 1，因为此行与前面一行的第一个字段值是一样的，所以不显示。这样的展示方式更直观，但对于刚用的人，可能会让其以为是缺失值。
如果还不明白可以看下面的全部数据及操作。
|
1
2
3
|
import pandas as pd
res6 = pd.read_csv('test.csv')
res6.shape
|
|
1
|
(12, 3)
|
|
1
|
res6.columns
|
|
1
|
Index(['user_id', 'cate', 'shop_id'], dtype='object')
|
|
1
|
res6.info()
|
|
1
2
3
4
5
6
7
8
|
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 12 entries, 0 to 11
Data columns (total 3 columns):
user_id 12 non-null int64
cate 12 non-null int64
shop_id 12 non-null int64
dtypes: int64(3)
memory usage: 368.0 bytes
|
|
1
|
res6.describe()
|
| user_id | cate | shop_id | |
|---|---|---|---|
| count | 1.200000e+01 | 12.000000 | 12.000000 |
| mean | 6.468688e+05 | 10.666667 | 3594.000000 |
| std | 3.988181e+05 | 6.665151 | 373.271775 |
| min | 2.421410e+05 | 7.000000 | 3388.000000 |
| 25% | 3.901920e+05 | 7.000000 | 3388.000000 |
| 50% | 4.938730e+05 | 7.000000 | 3388.000000 |
| 75% | 9.824990e+05 | 10.250000 | 3586.250000 |
| max | 1.558165e+06 | 23.000000 | 4278.000000 |
|
1
|
res6
|
| user_id | cate | shop_id | |
|---|---|---|---|
| 0 | 390192 | 20 | 4178 |
| 1 | 390192 | 23 | 4179 |
| 2 | 390192 | 22 | 4278 |
| 3 | 1021819 | 7 | 3388 |
| 4 | 242141 | 7 | 3388 |
| 5 | 283284 | 7 | 3388 |
| 6 | 1558165 | 7 | 3388 |
| 7 | 533696 | 7 | 3388 |
| 8 | 982499 | 7 | 3388 |
| 9 | 493873 | 7 | 3388 |
| 10 | 493873 | 7 | 3388 |
| 11 | 982499 | 7 | 3389 |
|
1
|
res6['user_id'].value_counts()
|
|
1
2
3
4
5
6
7
8
9
|
390192 3
982499 2
493873 2
242141 1
1021819 1
533696 1
1558165 1
283284 1
Name: user_id, dtype: int64
|
|
1
|
res6.groupby(['user_id']).size().sort_values(ascending=False)
|
|
1
2
3
4
5
6
7
8
9
10
|
user_id
390192 3
982499 2
493873 2
1558165 1
1021819 1
533696 1
283284 1
242141 1
dtype: int64
|
|
1
|
res6.groupby(['user_id', 'cate']).size().sort_values(ascending=False)
|
|
1
2
3
4
5
6
7
8
9
10
11
12
|
user_id cate
982499 7 2
493873 7 2
1558165 7 1
1021819 7 1
533696 7 1
390192 23 1
22 1
20 1
283284 7 1
242141 7 1
dtype: int64
|
|
1
2
|
res6_test = res6.groupby(['user_id', 'cate', 'shop_id']).size().sort_values(ascending=False)
res6_test
|
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
user_id cate shop_id
493873 7 3388 2
1558165 7 3388 1
1021819 7 3388 1
982499 7 3389 1
3388 1
533696 7 3388 1
390192 23 4179 1
22 4278 1
20 4178 1
283284 7 3388 1
242141 7 3388 1
dtype: int64
|
到此这篇关于python中pandas对多列进行分组统计的实现的文章就介绍到这了,更多相关pandas多列分组统计内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家！
原文链接：https://drguo.blog.csdn.net/article/details/89670842